CN103761521A - 一种基于局部二值模式的显微图像清晰度测量方法 - Google Patents
一种基于局部二值模式的显微图像清晰度测量方法 Download PDFInfo
- Publication number
- CN103761521A CN103761521A CN201410010572.8A CN201410010572A CN103761521A CN 103761521 A CN103761521 A CN 103761521A CN 201410010572 A CN201410010572 A CN 201410010572A CN 103761521 A CN103761521 A CN 103761521A
- Authority
- CN
- China
- Prior art keywords
- image
- micro
- gray level
- level image
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于局部二值模式的显微图像清晰度测量方法,其首先采用固定区域的方法提取出显微灰度图像中的所有目标区域;然后确定每个目标区域的方向;接着构建每个目标区域的局部二值模式图像;再采用五个清晰度判定函数,获得每个目标区域的局部二值模式图像的五个清晰度值;最后确定显微灰度图像的五个清晰度值;优点是利用固定区域的方法来提取目标区域,提高了后续清晰度值获取的精度;在获取目标区域的局部二值模式图像的过程中,利用了目标区域中的每个图像块中除中心像素点外的所有像素点各自的二值化结果及目标区域的方向,可以获得最佳的局部二值模式图像,从而能够更加准确的得到图像的清晰度值。
Description
技术领域
本发明涉及一种显微图像的信号处理方法,尤其是涉及一种基于局部二值模式(LBP,Local Binary Pattern)的显微图像清晰度测量方法。
背景技术
数码显微镜在组装前需对镜头进行齐焦性检测,齐焦性检测的本质就是对图像清晰度的测量。目前,图像清晰度测量方法有很多,按照算法原理可以分为三大类:(1)基于微分的算法,这类方法相当于频域中的高通滤波器,其具有较高精度、对噪声敏感、判断值越大图像越清晰等特点,主要算法有绝对梯度阈值、梯度平方值、Tenenbaum梯度、修改拉普拉斯和、能量拉普拉斯等;(2)基于统计的算法,采用统计的方法对图像信息进行计算处理,主要算法有方差、归一化方差、自相关判定等;(3)基于直方图的算法,这类方法是在直方图统计的基础上,对信息进行处理分析,基本算法有幅度算法、熵算法、直方图阈值法等。然而,上述这些方法在测量图像清晰度时受光照因素影响很大,因此这就需要研究对光照具有较强鲁棒性的图像清晰度测量方法。
发明内容
本发明所要解决的技术问题是提供一种对光照具有较强鲁棒性的基于局部二值模式的显微图像清晰度测量方法,其能够有效地消除或抑制光照对图像清晰度测量的影响。
本发明解决上述技术问题所采用的技术方案为:一种基于局部二值模式的显微图像清晰度测量方法,其特征在于包括以下步骤:
①将利用数码显微镜对标定板进行采集获得的显微图像从真彩图像转换为灰度图像,得到显微灰度图像;然后采用固定区域的方法,提取出显微灰度图像中的所有目标区域;
②采用大律法对显微灰度图像中的每个目标区域进行二值化处理,得到显微灰度图像中的每个目标区域的二值化图像;然后利用水平线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第一计算值,并利用竖直线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第二计算值;再根据显微灰度图像中的每个目标区域的二值化图像对应的第一计算值与第二计算值,判定显微灰度图像中的每个目标区域的方向为水平方向还是为竖直方向;
③采用3×3的滑动窗口在显微灰度图像中的每个目标区域中逐个像素点移动,将显微灰度图像中的每个目标区域划分成多个相互重叠的尺寸大小为3×3的图像块;然后对显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点进行二值化处理,得到显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点各自的二值化结果;接着根据显微灰度图像中的每个目标区域的方向,确定显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点;之后针对显微灰度图像中的每个目标区域中的每个图像块,将每个图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数;再将显微灰度图像中的每个目标区域中的每个图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为对应图像块的响应值;最后根据显微灰度图像中的每个目标区域中的所有图像块的响应值,构建得到显微灰度图像中的每个目标区域的局部二值模式图像;
④采用五个清晰度判定函数,获得显微灰度图像中的每个目标区域的局部二值模式图像的五个清晰度值;然后根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,确定显微灰度图像的第一个清晰度值;同样根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,确定显微灰度图像的第二个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,确定显微灰度图像的第三个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,确定显微灰度图像的第四个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,确定显微灰度图像的第五个清晰度值。
所述的步骤②中水平线性检测模板为 竖直线性检测模板为
所述的步骤②中判定显微灰度图像中的每个目标区域的方向的具体过程为:
②-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
②-2、如果当前目标区域的二值化图像对应的第一计算值大于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为水平方向;如果当前目标区域的二值化图像对应的第一计算值小于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为竖直方向;
②-3、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤②-2,直至显微灰度图像中的所有目标区域的方向判定结束,其中,i=i+1中的“=”为赋值符号。
所述的步骤③的具体过程为:
③-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
③-2、采用3×3的滑动窗口在当前目标区域中逐像素点移动,将当前目标区域划分成多个相互重叠的尺寸大小为3×3的图像块;
③-3、将当前目标区域中当前待处理的第j个图像块定义为当前图像块,其中,1≤j≤M,M表示当前目标区域中包含的图像块的总个数;
③-4、对当前图像块中除中心像素点外的所有像素点进行二值化处理,得到当前图像块中除中心像素点外的所有像素点各自的二值化结果,将当前图像块中坐标位置为(x,y)的像素点的像素值的二值化结果记为Ii,j'(x,y), 其中,1≤x≤3,1≤y≤3且x≠2,y≠2,Ii,j(x,y)表示当前图像块中坐标位置为(x,y)的像素点的像素值,Ii,j(2,2)表示当前图像块中坐标位置为(2,2)的像素点的像素值即表示当前图像块中的中心像素点的像素值;
③-5、根据当前目标区域的方向,确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点,如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的左上角像素点;
或如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的左上角像素点;
③-6、针对当前图像块,将当前图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数;
③-7、将当前图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为当前图像块的响应值;
③-8、令j=j+1,然后将当前目标区域中下一个待处理的图像块作为当前图像块,再执行步骤③-4,直至获得当前目标区域中的所有图像块各自的响应值,其中,j=j+1中的“=”为赋值符号;
③-9、将当前目标区域中的所有图像块的响应值作为像素点的像素值,构建得到当前目标区域的局部二值模式图像;
③-10、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤③-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号。
所述的步骤④的具体过程为:
④-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
④-2、在当前目标区域的局部二值模式图像中选取一个矩形区域,其中,选取的矩形区域的尺寸小于或等于当前目标区域的局部二值模式图像的尺寸;
④-3、采用五个清晰度判定函数,获得当前目标区域的局部二值模式图像的五个清晰度值;其中,第一个清晰度值通过绝对梯度阈值函数获得,将第一个清晰度值记为Fth_grad(i), |f(x'+1,y')-f(x',y')|≥θ,θ表示限制值,w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x'+1,y')表示选取的矩形区域中坐标位置为(x'+1,y')的像素点的像素值,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,符号“||”为取绝对值符号;第二个清晰度值通过Tenenbaum梯度函数获得,将第二个清晰度值记为FTenenbaum(i), w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,Sh(x',y')表示水平Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值,Sv(x',y')表示竖直Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值;第三个清晰度值通过能量拉普拉斯函数获得,将第三个清晰度值记为Fenergy_Laplace(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,C(x',y')表示L算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值;第四个清晰度值通过方差函数获得,将第四个清晰度值记为Fvarance(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,uf表示选取的矩形区域中的所有像素点的像素值的平均值;第五个清晰度值通过幅度函数获得,将第五个清晰度值记为Frange(i),max()为取最大值函数,min()为取最小值函数,h(k)表示选取的矩形区域的灰度直方图中灰度值为k的像素点的总个数,0≤k≤255,表示选取的矩形区域的灰度直方图中的最大值,表示选取的矩形区域的灰度直方图中不等于0的最小值;
④-4、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤④-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号;
④-5、根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,计算显微灰度图像的第一个清晰度值,记为μth_grad,根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,计算显微灰度图像的第二个清晰度值,记为μTenenbaum,根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,计算显微灰度图像的第三个清晰度值,记为μenergy_Laplace,根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,计算显微灰度图像的第四个清晰度值,记为μvarance,根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,计算显微灰度图像的第五个清晰度值,记为μrange,
所述的步骤④-3中取θ=20;水平Sobel算子为 竖直Sobel算子为 L算子为
所述的步骤④-2中选取的矩形区域中的中心像素点与当前目标区域的局部二值模式图像中的中心像素点一致。
与现有技术相比,本发明的优点在于:
1)本发明方法利用固定区域的方法来提取显微灰度图像中的目标区域,能够很好的提取到显微灰度图像中的有效信息,提高了后续清晰度值获取的精度。
2)本发明方法在获取目标区域的局部二值模式图像的过程中,利用了目标区域中的每个图像块中除中心像素点外的所有像素点各自的二值化结果及目标区域的方向,可以获得最佳的局部二值模式图像,从而能够更加准确的得到图像的清晰度值,有效地消除光照对图像的清晰度值测量的影响,提高了本发明方法对光照的鲁棒性。
附图说明
图1为本发明方法的总体实现框图;
图2为利用数码显微镜对标定板进行采集获得的显微图像从真彩图像转换为灰度图像后得到的显微灰度图像;
图3为从图2所示的显微灰度图像中提取得到的四个目标区域;
图4a为图2的缩小图;
图4b为图4a中的一个图像块;
图4c为图4b所示的图像块中的各个像素点的像素值;
图4d为图4b所示的图像块中除中心像素点外的所有像素点各自的二值化结果;
图5a为第一幅原始的显微图像;
图5b为第二幅原始的显微图像;
图5c为第三幅原始的显微图像;
图5d为第四幅原始的显微图像;
图5e为第五幅原始的显微图像;
图5f为第六幅原始的显微图像;
图6a为图5a中的所有目标区域的局部二值模式图像构成的图像;
图6b为图5b中的所有目标区域的局部二值模式图像构成的图像;
图6c为图5c中的所有目标区域的局部二值模式图像构成的图像;
图6d为图5d中的所有目标区域的局部二值模式图像构成的图像;
图6e为图5e中的所有目标区域的局部二值模式图像构成的图像;
图6f为图5f中的所有目标区域的局部二值模式图像构成的图像;
图7a为六幅原始的显微图像的第一清晰度值与六幅原始的显微图像通过本发明方法后获得的第一清晰度值的比较示意图;
图7b为六幅原始的显微图像的第二清晰度值与六幅原始的显微图像通过本发明方法后获得的第二清晰度值的比较示意图;
图7c为六幅原始的显微图像的第三清晰度值与六幅原始的显微图像通过本发明方法后获得的第三清晰度值的比较示意图;
图7d为六幅原始的显微图像的第四清晰度值与六幅原始的显微图像通过本发明方法后获得的第四清晰度值的比较示意图;
图7e为六幅原始的显微图像的第五清晰度值与六幅原始的显微图像通过本发明方法后获得的第五清晰度值的比较示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种基于局部二值模式的显微图像清晰度测量方法,其总体实现框图如图1所示,其包括以下步骤:
①将利用数码显微镜对标定板进行采集获得的显微图像从24位的真彩图像转换为8位的灰度图像,得到显微灰度图像,如图2所示;然后采用现有的固定区域的方法,提取出显微灰度图像中的所有目标区域,在此固定区域的方法为公知技术,利用其提取得到的目标区域为矩形区域,图3给出了从图2所示的显微灰度图像中提取得到的四个目标区域,左上方的两个目标区域的大小均为150×135,右下方的两个目标区域的大小均为135×150。
②采用现有的大律法对显微灰度图像中的每个目标区域进行二值化处理,得到显微灰度图像中的每个目标区域的二值化图像;然后利用水平线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第一计算值,并利用竖直线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第二计算值;再根据显微灰度图像中的每个目标区域的二值化图像对应的第一计算值与第二计算值,判定显微灰度图像中的每个目标区域的方向为水平方向还是为竖直方向。
在本实施例中,水平线性检测模板为 竖直线性检测模板为
在此具体实施例中,步骤②中判定显微灰度图像中的每个目标区域的方向的具体过程为:
②-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1。
②-2、如果当前目标区域的二值化图像对应的第一计算值大于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为水平方向;如果当前目标区域的二值化图像对应的第一计算值小于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为竖直方向。在实际处理过程中,往往目标区域的二值化图像对应的第一计算值和第二计算值中的其中一个值比较大,而另一个值则较小,两者相差很大,因此在此不考虑两者相同的情况。
②-3、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤②-2,直至显微灰度图像中的所有目标区域的方向判定结束,其中,i=i+1中的“=”为赋值符号。
图3中左上方的两个目标区域的方向为水平方向,右下方的两个目标区域的方向为竖直方向。
③采用3×3的滑动窗口在显微灰度图像中的每个目标区域中逐个像素点移动,将显微灰度图像中的每个目标区域划分成多个相互重叠的尺寸大小为3×3的图像块;然后对显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点进行二值化处理,得到显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点各自的二值化结果;接着根据显微灰度图像中的每个目标区域的方向,确定显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点;之后针对显微灰度图像中的每个目标区域中的每个图像块,将每个图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数;再将显微灰度图像中的每个目标区域中的每个图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为对应图像块的响应值;最后根据显微灰度图像中的每个目标区域中的所有图像块的响应值,构建得到显微灰度图像中的每个目标区域的局部二值模式图像。
在此具体实施例中,步骤③的具体过程为:
③-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1。
③-2、采用3×3的滑动窗口在当前目标区域中逐像素点移动,将当前目标区域划分成多个相互重叠的尺寸大小为3×3的图像块。
③-3、将当前目标区域中当前待处理的第j个图像块定义为当前图像块,其中,1≤j≤M,M表示当前目标区域中包含的图像块的总个数。
③-4、对当前图像块中除中心像素点外的所有像素点进行二值化处理,得到当前图像块中除中心像素点外的所有像素点各自的二值化结果,将当前图像块中坐标位置为(x,y)的像素点的像素值的二值化结果记为Ii,j'(x,y), 其中,1≤x≤3,1≤y≤3且x≠2,y≠2,Ii,j(x,y)表示当前图像块中坐标位置为(x,y)的像素点的像素值,Ii,j(2,2)表示当前图像块中坐标位置为(2,2)的像素点的像素值即表示当前图像块中的中心像素点的像素值。
假设图4a中白色小框部分为当前图像块,图4b为图4a中白色小框的放大示意图,图4c为图4b所示的图像块中的各个像素点的像素值,则通过二值化处理,得到的二值化结果如图4d所示。
③-5、根据当前目标区域的方向,确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点,如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的左上角像素点;
或如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的左上角像素点。
在此,当目标区域为水平方向时,则在该目标区域中,将图像块中的右上角像素点作为起点;当目标区域为竖直方向时,则在该目标区域中,将图像块中的左上角像素点作为起点,起点的选择是通过大量实验以能获得最佳效果确定的。
③-6、针对当前图像块,将当前图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数。
③-7、将当前图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为当前图像块的响应值。
在本实施例中可具体采用步骤③-5中的第一种连接方式,如图4d所示,如果当前目标区域的方向为水平方向,且以当前图像块中的右上角像素点为起点,则以逆时针方向连接各个像素点得到的八位二进制数为01111001,如果当前目标区域的方向为竖直方向,且以当前图像块中的左上角像素点为起点,则以逆时针方向连接各个像素点得到的八位二进制数为11100101。
③-8、令j=j+1,然后将当前目标区域中下一个待处理的图像块作为当前图像块,再执行步骤③-4,直至获得当前目标区域中的所有图像块各自的响应值,其中,j=j+1中的“=”为赋值符号。
③-9、将当前目标区域中的所有图像块的响应值作为像素点的像素值,构建得到当前目标区域的局部二值模式图像。
③-10、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤③-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号。
图5a、图5b、图5c、图5d、图5e和图5f分别给出了六幅光照不一致的显微图像,图6a为图5a中的所有目标区域的局部二值模式图像构成的图像;图6b为图5b中的所有目标区域的局部二值模式图像构成的图像;图6c为图5c中的所有目标区域的局部二值模式图像构成的图像;图6d为图5d中的所有目标区域的局部二值模式图像构成的图像;图6e为图5e中的所有目标区域的局部二值模式图像构成的图像;图6f为图5f中的所有目标区域的局部二值模式图像构成的图像。
④采用五个清晰度判定函数,获得显微灰度图像中的每个目标区域的局部二值模式图像的五个清晰度值;然后根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,确定显微灰度图像的第一个清晰度值;同样根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,确定显微灰度图像的第二个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,确定显微灰度图像的第三个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,确定显微灰度图像的第四个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,确定显微灰度图像的第五个清晰度值。
在此具体实施例中,步骤④的具体过程为:
④-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1。
④-2、在当前目标区域的局部二值模式图像中选取一个矩形区域,其中,选取的矩形区域的尺寸小于或等于当前目标区域的局部二值模式图像的尺寸。在具体实施过程中可以以当前目标区域的局部二值模式图像中的中心像素点为中心选取一个矩形区域。这里选取的矩形区域大小为128×128像素。
④-3、采用五个清晰度判定函数,获得当前目标区域的局部二值模式图像的五个清晰度值;其中,第一个清晰度值通过绝对梯度阈值函数获得,将第一个清晰度值记为Fth_grad(i), |f(x'+1,y')-f(x',y')|≥θ,θ表示限制值,在此取θ=20,w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x'+1,y')表示选取的矩形区域中坐标位置为(x'+1,y')的像素点的像素值,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,符号“||”为取绝对值符号;第二个清晰度值通过Tenenbaum梯度函数获得,将第二个清晰度值记为FTenenbaum(i), w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,Sh(x',y')表示水平Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值,Sv(x',y')表示竖直Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值,在此水平Sobel算子为 竖直Sobel算子为 第三个清晰度值通过能量拉普拉斯函数获得,将第三个清晰度值记为Fenergy_Laplace(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,C(x',y')表示L算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值,在此L算子为 第四个清晰度值通过方差函数获得,将第四个清晰度值记为Fvarance(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,uf表示选取的矩形区域中的所有像素点的像素值的平均值;第五个清晰度值通过幅度函数获得,将第五个清晰度值记为Frange(i),max()为取最大值函数,min()为取最小值函数,h(k)表示选取的矩形区域的灰度直方图中灰度值为k的像素点的总个数,0≤k≤255,表示选取的矩形区域的灰度直方图中的最大值,表示选取的矩形区域的灰度直方图中不等于0的最小值。
④-4、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤④-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号。
④-5、根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,计算显微灰度图像的第一个清晰度值,记为μth_grad,根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,计算显微灰度图像的第二个清晰度值,记为μTenenbaum,根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,计算显微灰度图像的第三个清晰度值,记为μenergy_Laplace,根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,计算显微灰度图像的第四个清晰度值,记为μvarance,根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,计算显微灰度图像的第五个清晰度值,记为μrange,
为了说明本发明方法的可靠性,在此利用本发明方法对一组仅光照不一致的显微图像集进行测试,并通过比较该显微图像集的清晰度曲线与该显微图像集通过本发明方法后获得的清晰度曲线,来说明本发明方法的可行性和有效性。图7a给出了原始的显微图像的第一清晰度值与原始的显微图像通过本发明方法后获得的第一清晰度值的比较,图7b给出了原始的显微图像的第二清晰度值与原始的显微图像通过本发明方法后获得的第二清晰度值的比较,图7c给出了原始的显微图像的第三清晰度值与原始的显微图像通过本发明方法后获得的第三清晰度值的比较,图7d给出了原始的显微图像的第四清晰度值与原始的显微图像通过本发明方法后获得的第四清晰度值的比较,图7e给出了原始的显微图像的第五清晰度值与原始的显微图像通过本发明方法后获得的第五清晰度值的比较,从图7a至图7e中可以看出原始的显微图像的五条清晰度曲线均比较陡峭,而原始的显微图像通过本发明方法后获得的五条清晰度曲线均比较平稳,这足以说明本发明方法的可行性和有效性。表1给出了六幅光照不一致的显微图像的清晰度值与该六幅显微图像通过本发明方法后获得的清晰度值。
表1六幅光照不一致的显微图像的清晰度值与该六幅显微图像通过本发明方法后获得的清晰度值
为了更好的确定本发明方法是否对光照具有抑制作用,可以通过归一化方差(平稳度)来确定,将清晰度值的归一化方差表示为f,其中,S表示清晰度值的方差,μ表示清晰度值的均值。f越小,说明不同光照对图像清晰度计算值变化越小、越平稳;f越大,说明不同光照对图像清晰度计算值变化越大、越不平稳。表2给出了原始的显微图像的各个清晰度值的归一化方差与原始的显微图像通过本发明方法后获得的各个清晰度值的归一化方差的比较。
表2原始的显微图像的各个清晰度值的归一化方差与原始的显微图像通过本发明方法后获得的各个清晰度值的归一化方差的比较
从表2中可以看出,原始的显微图像通过本发明方法后获得的各个清晰度值的归一化方差明显低于原始的显微图像的对应清晰度值的归一化方差,平稳度平均能提高83.89%,最高可达到99.90%。其中,第一清晰度值的平稳度提高了38.51%,效果一般;第二清晰度值、第三清晰度值、第四清晰度值的平稳度提高达96%以上,效果比较显著;第五清晰度值的平稳度提高了82.06%,效果也十分不错。通过上述分析,可知本发明方法对光照具有明显的抑制作用,对光照具有较强的鲁棒性。
Claims (7)
1.一种基于局部二值模式的显微图像清晰度测量方法,其特征在于包括以下步骤:
①将利用数码显微镜对标定板进行采集获得的显微图像从真彩图像转换为灰度图像,得到显微灰度图像;然后采用固定区域的方法,提取出显微灰度图像中的所有目标区域;
②采用大律法对显微灰度图像中的每个目标区域进行二值化处理,得到显微灰度图像中的每个目标区域的二值化图像;然后利用水平线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第一计算值,并利用竖直线性检测模板对显微灰度图像中的每个目标区域的二值化图像进行处理,得到对应的第二计算值;再根据显微灰度图像中的每个目标区域的二值化图像对应的第一计算值与第二计算值,判定显微灰度图像中的每个目标区域的方向为水平方向还是为竖直方向;
③采用3×3的滑动窗口在显微灰度图像中的每个目标区域中逐个像素点移动,将显微灰度图像中的每个目标区域划分成多个相互重叠的尺寸大小为3×3的图像块;然后对显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点进行二值化处理,得到显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点各自的二值化结果;接着根据显微灰度图像中的每个目标区域的方向,确定显微灰度图像中的每个目标区域中的每个图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点;之后针对显微灰度图像中的每个目标区域中的每个图像块,将每个图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数;再将显微灰度图像中的每个目标区域中的每个图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为对应图像块的响应值;最后根据显微灰度图像中的每个目标区域中的所有图像块的响应值,构建得到显微灰度图像中的每个目标区域的局部二值模式图像;
④采用五个清晰度判定函数,获得显微灰度图像中的每个目标区域的局部二值模式图像的五个清晰度值;然后根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,确定显微灰度图像的第一个清晰度值;同样根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,确定显微灰度图像的第二个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,确定显微灰度图像的第三个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,确定显微灰度图像的第四个清晰度值;根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,确定显微灰度图像的第五个清晰度值。
2.根据权利要求1所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤②中水平线性检测模板为 竖直线性检测模板为
3.根据权利要求1或2所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤②中判定显微灰度图像中的每个目标区域的方向的具体过程为:
②-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
②-2、如果当前目标区域的二值化图像对应的第一计算值大于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为水平方向;如果当前目标区域的二值化图像对应的第一计算值小于当前目标区域的二值化图像对应的第二计算值,则判定当前目标区域的方向为竖直方向;
②-3、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤②-2,直至显微灰度图像中的所有目标区域的方向判定结束,其中,i=i+1中的“=”为赋值符号。
4.根据权利要求3所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤③的具体过程为:
③-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
③-2、采用3×3的滑动窗口在当前目标区域中逐像素点移动,将当前目标区域划分成多个相互重叠的尺寸大小为3×3的图像块;
③-3、将当前目标区域中当前待处理的第j个图像块定义为当前图像块,其中,1≤j≤M,M表示当前目标区域中包含的图像块的总个数;
③-4、对当前图像块中除中心像素点外的所有像素点进行二值化处理,得到当前图像块中除中心像素点外的所有像素点各自的二值化结果,将当前图像块中坐标位置为(x,y)的像素点的像素值的二值化结果记为Ii,j'(x,y), 其中,1≤x≤3,1≤y≤3且x≠2,y≠2,Ii,j(x,y)表示当前图像块中坐标位置为(x,y)的像素点的像素值,Ii,j(2,2)表示当前图像块中坐标位置为(2,2)的像素点的像素值即表示当前图像块中的中心像素点的像素值;
③-5、根据当前目标区域的方向,确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序及起点,如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为逆时针方向及起点为当前图像块中的左上角像素点;
或如果当前目标区域的方向为水平方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的右上角像素点;如果当前目标区域的方向为竖直方向,则确定当前图像块中除中心像素点外的所有像素点的二值化结果组成八位二进制数的顺序为顺时针方向及起点为当前图像块中的左上角像素点;
③-6、针对当前图像块,将当前图像块中除中心像素点外的所有像素点的二值化结果按确定的顺序及起点组成一个八位二进制数;
③-7、将当前图像块对应的八位二进制数转化成一个十进制数,并将该十进制数作为当前图像块的响应值;
③-8、令j=j+1,然后将当前目标区域中下一个待处理的图像块作为当前图像块,再执行步骤③-4,直至获得当前目标区域中的所有图像块各自的响应值,其中,j=j+1中的“=”为赋值符号;
③-9、将当前目标区域中的所有图像块的响应值作为像素点的像素值,构建得到当前目标区域的局部二值模式图像;
③-10、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤③-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号。
5.根据权利要求4所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤④的具体过程为:
④-1、将显微灰度图像中当前待处理的第i个目标区域定义为当前目标区域,其中,1≤i≤L,L表示显微灰度图像中包含的目标区域的总个数,L≥1;
④-2、在当前目标区域的局部二值模式图像中选取一个矩形区域,其中,选取的矩形区域的尺寸小于或等于当前目标区域的局部二值模式图像的尺寸;
④-3、采用五个清晰度判定函数,获得当前目标区域的局部二值模式图像的五个清晰度值;其中,第一个清晰度值通过绝对梯度阈值函数获得,将第一个清晰度值记为Fth_grad(i), |f(x'+1,y')-f(x',y')|≥θ,θ表示限制值,w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x'+1,y')表示选取的矩形区域中坐标位置为(x'+1,y')的像素点的像素值,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,符号“||”为取绝对值符号;第二个清晰度值通过Tenenbaum梯度函数获得,将第二个清晰度值记为FTenenbaum(i), w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,Sh(x',y')表示水平Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值,Sv(x',y')表示竖直Sobel算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值;第三个清晰度值通过能量拉普拉斯函数获得,将第三个清晰度值记为Fenergy_Laplace(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,C(x',y')表示L算子与选取的矩形区域中以坐标位置为(x',y')的像素点为中心的3×3子块中的9个像素点的像素值卷积和得到的值;第四个清晰度值通过方差函数获得,将第四个清晰度值记为Fvarance(i),w表示选取的矩形区域的宽度,h表示选取的矩形区域的高度,f(x',y')表示选取的矩形区域中坐标位置为(x',y')的像素点的像素值,uf表示选取的矩形区域中的所有像素点的像素值的平均值;第五个清晰度值通过幅度函数获得,将第五个清晰度值记为Frange(i),max()为取最大值函数,min()为取最小值函数,h(k)表示选取的矩形区域的灰度直方图中灰度值为k的像素点的总个数,0≤k≤255,表示选取的矩形区域的灰度直方图中的最大值,表示选取的矩形区域的灰度直方图中不等于0的最小值;
④-4、令i=i+1,然后将显微灰度图像中下一个待处理的目标区域作为当前目标区域,再执行步骤④-2,直至显微灰度图像中的所有目标区域处理完毕,其中,i=i+1中的“=”为赋值符号;
④-5、根据显微灰度图像中的所有目标区域的局部二值模式图像的第一个清晰度值,计算显微灰度图像的第一个清晰度值,记为μth_grad,根据显微灰度图像中的所有目标区域的局部二值模式图像的第二个清晰度值,计算显微灰度图像的第二个清晰度值,记为μTenenbaum,根据显微灰度图像中的所有目标区域的局部二值模式图像的第三个清晰度值,计算显微灰度图像的第三个清晰度值,记为μenergy_Laplace,根据显微灰度图像中的所有目标区域的局部二值模式图像的第四个清晰度值,计算显微灰度图像的第四个清晰度值,记为μvarance,根据显微灰度图像中的所有目标区域的局部二值模式图像的第五个清晰度值,计算显微灰度图像的第五个清晰度值,记为μrange,
6.根据权利要求5所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤④-3中取θ=20;水平Sobel算子为 竖直Sobel算子为 L算子为
7.根据权利要求6所述的一种基于局部二值模式的显微图像清晰度测量方法,其特征在于所述的步骤④-2中选取的矩形区域中的中心像素点与当前目标区域的局部二值模式图像中的中心像素点一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010572.8A CN103761521A (zh) | 2014-01-09 | 2014-01-09 | 一种基于局部二值模式的显微图像清晰度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010572.8A CN103761521A (zh) | 2014-01-09 | 2014-01-09 | 一种基于局部二值模式的显微图像清晰度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103761521A true CN103761521A (zh) | 2014-04-30 |
Family
ID=50528757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410010572.8A Pending CN103761521A (zh) | 2014-01-09 | 2014-01-09 | 一种基于局部二值模式的显微图像清晰度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761521A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657989A (zh) * | 2015-02-06 | 2015-05-27 | 卡尔蔡司(上海)管理有限公司 | 基于图像对目标对象进行测量的方法和装置 |
CN106355195A (zh) * | 2016-08-22 | 2017-01-25 | 中国科学院深圳先进技术研究院 | 用于测量图像清晰度值的系统及其方法 |
CN107644425A (zh) * | 2017-09-30 | 2018-01-30 | 湖南友哲科技有限公司 | 目标图像选取方法、装置、计算机设备及存储介质 |
CN107977648A (zh) * | 2017-12-20 | 2018-05-01 | 武汉大学 | 一种基于人脸识别的身份证清晰度的判别方法和系统 |
CN106092521B (zh) * | 2016-08-11 | 2019-04-12 | 麦克奥迪实业集团有限公司 | 一种高精度的物镜齐焦检测设备及检测方法 |
CN117495984A (zh) * | 2023-12-27 | 2024-02-02 | 临沂大学 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080075444A1 (en) * | 2006-09-25 | 2008-03-27 | Murali Subbarao | Blur equalization for auto-focusing |
CN101194161A (zh) * | 2005-06-03 | 2008-06-04 | 株式会社前川制作所 | 用于检测食物中污染物的设备 |
-
2014
- 2014-01-09 CN CN201410010572.8A patent/CN103761521A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101194161A (zh) * | 2005-06-03 | 2008-06-04 | 株式会社前川制作所 | 用于检测食物中污染物的设备 |
US20080075444A1 (en) * | 2006-09-25 | 2008-03-27 | Murali Subbarao | Blur equalization for auto-focusing |
Non-Patent Citations (4)
Title |
---|
J. LORENZO等: "Exploring the Use of Local Binary Patterns as Focus Measure", 《COMPUTATIONAL INTELLIGENCE FOR MODELLING CONTROL & AUTOMATION, 2008 INTERNATIONAL CONFERENCE ON》 * |
YU SUN等: "Autofocusing Algorithm Selection in Computer Microscopy", 《2005 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 * |
李欢利 等: "基于统计特征中心对称局部二值模式的虹膜识别", 《光学精密工程》 * |
黄家祥: "多方向局部二值模式人脸识别的算法及其实现技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657989A (zh) * | 2015-02-06 | 2015-05-27 | 卡尔蔡司(上海)管理有限公司 | 基于图像对目标对象进行测量的方法和装置 |
CN104657989B (zh) * | 2015-02-06 | 2017-06-09 | 卡尔蔡司(上海)管理有限公司 | 基于图像对目标对象进行测量的方法和装置 |
CN106092521B (zh) * | 2016-08-11 | 2019-04-12 | 麦克奥迪实业集团有限公司 | 一种高精度的物镜齐焦检测设备及检测方法 |
CN106355195A (zh) * | 2016-08-22 | 2017-01-25 | 中国科学院深圳先进技术研究院 | 用于测量图像清晰度值的系统及其方法 |
CN107644425A (zh) * | 2017-09-30 | 2018-01-30 | 湖南友哲科技有限公司 | 目标图像选取方法、装置、计算机设备及存储介质 |
CN107977648A (zh) * | 2017-12-20 | 2018-05-01 | 武汉大学 | 一种基于人脸识别的身份证清晰度的判别方法和系统 |
CN107977648B (zh) * | 2017-12-20 | 2020-05-12 | 武汉大学 | 一种基于人脸识别的身份证清晰度的判别方法和系统 |
CN117495984A (zh) * | 2023-12-27 | 2024-02-02 | 临沂大学 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
CN117495984B (zh) * | 2023-12-27 | 2024-03-29 | 临沂大学 | 一种同轴式混合光学变焦针孔镜头智能标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761521A (zh) | 一种基于局部二值模式的显微图像清晰度测量方法 | |
CN104809422B (zh) | 基于图像处理的qr码识别方法 | |
CN105260693B (zh) | 一种激光二维码定位方法 | |
CN107169953B (zh) | 基于hog特征的桥梁混凝土表面裂缝检测方法 | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN104268872B (zh) | 基于一致性的边缘检测方法 | |
CN108022233A (zh) | 一种基于改进型Canny算子的工件边缘提取方法 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
Quan et al. | The method of the road surface crack detection by the improved Otsu threshold | |
CN107240112B (zh) | 一种复杂场景下个体x角点提取方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
CN105741281B (zh) | 基于邻域离散度的图像边缘检测方法 | |
CN107292310A (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN107633491A (zh) | 一种基于目标检测的区域图像增强方法及存储介质 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN103413303A (zh) | 基于联合显著性的红外目标分割方法 | |
CN103226829A (zh) | 基于边缘增强算子的图像边缘检测方法 | |
CN106934829A (zh) | 一种表面裂缝的检测方法及系统 | |
CN104036244A (zh) | 一种适用于低质量图像的棋盘格角点检测方法及装置 | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN103914849A (zh) | 一种红枣图像的检测方法 | |
CN105160682A (zh) | 图像边缘检测方法及装置 | |
CN104766319A (zh) | 提升夜间拍照图像配准精度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140430 |